一种基于改进RRT*的全局路径规划算法

针对传统RRT*全局路径规划算法在多障碍物复杂环境中搜索效率低、占用内存过大、搜索路径不平滑等问题,提出一种基于简化地图的区域采样RRT*算法(simplified map-based regional sampling RRT*,SMRS-RRT*).首先简化处理全局栅格地图,在此基础上寻找从起点到目标点的最优路径点...     

基于RRT*的母线布线路径规划算法

针对母线布线设计繁杂,低效,耗时成本高的问题。对工程中母线布线设计的约束与优化目标进行了研究总结,提出了一种基于快速扩展随机树算法(RRT*)的母线布线路径规划算法。在传统的RRT*算法的基础上,通过引入中间点（corner点）的方式改变已生成路径到随机点的扩展方式,使生成路径符合母线的走向限制,实现了初始路径的生成。同时在初始路径生成过程中采取贪心的优化策略,获得弯头数量最少且满足约束的路径。仿真结果表明,相较于传统的RRT*路径规划算法,本文提出的算法可以很好的满足母线的各项布线要求,为母线的自动布线问题提供了一个新方法。     

改进RRT*的室内机器人路径规划算法

路径规划在室内机器人的应用中有着无可比拟的作用。为了提高路径规划算法收敛的速度,综合时间消耗和路径质量方面考虑,针对RRT*（渐进最优快速扩展随机树）算法的局限性,提出一种改进的RRT*算法。该算法采用目的性的设置采样点代替原算法中的随机高斯采样和引进人工势场与避障策略结合的思想,设置目标偏向性,引导随机树生长方向,然后利用曼哈顿距离代替欧几里得距离作为代价估值函数,防止陷入极小值以及一定程度上减小算法时间损耗。实验表明,该方法可有效平衡算法收敛时间与最佳路径的可靠性。     

基于RRT改进的智能车辆路径规划算法

针对RRT算法随机性大、收敛速度慢和偏差性的问题,采用双向随机树和多棵局部随机树的探索与合并。增加引力分量,使双向随机树朝着各自目标方向生长,减少了算法的随机性。基于障碍物周围均匀生成若干根节点,对根节点增加斥力分量,生成多棵局部随机树。快速寻找可通行的路径,减少扩展过程中对障碍物的检测时间,加快算法的收敛速度,改善了算法的偏差性。用MATLAB进行虚拟仿真,验证了该算法的正确性。     

基于改进RRT*FN算法的机器人路径规划

针对固定节点数的渐近最优快速扩展随机数算法(RRT*FN)精度低、收敛到最优值速度慢等问题,提出一种改进的RRT*FN路径规划算法,并用于解决二维静态环境下的移动机器人全局路径规划问题.首先,改进算法使用与RRT*FN算法相同的均匀采样方法进行路径搜索,当搜索到一条初始路径时,在之后的路径规划中使用启发式采样方法.在之...     

基于改进RRT算法的智能车辆路径规划研究

针对快速搜索随机树(RRT)算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题,提出了一种改进的RRT算法。改进算法采用渐近区域采样并融合偏向目标采样机制,有效防止随机采样点的反向搜索,提高对采样空间的利用率,保证了采样的方向性;用动态圆规则化处理车辆有效避免碰撞和通过狭窄区域,采用基于三角不等式的方法对路径冗余点进行修剪,在此基础上采用三次B样条线平滑的方法对路径优化。最后通过MATLAB仿真对比分析,证明了上述算法的有效性,并且搜索次数更少,用时更短,规划出的路径效果更优。     

针对包含狭窄通道复杂环境的高效RRT*△路径规划算法

针对RRT*算法在狭窄通道等复杂环境产生大量节点和收敛速度慢的问题,提出一种基于多种启发式策略和强化节点机制改进的高效RRT*路径规划算法(heuristic node enhancement informed RRT*,HNEI-RRT*).该算法首先采取组合启发式采样策略,快速找到初始路径之后在启发式子集内完成采样;同时提出启发式节点拒绝策略,拒绝不满足预设条件的节点参与后续扩展;其次,该算法提出强化节点机制,扩大节点蕴涵的信息,提高节点利用率.在各种障碍物分布和狭窄通道的复杂环境中的仿真结果表明,HNEI-RRT*算法的节点数量、收敛时间相比其他五类RRT*改进算法更少,验证了该算法能够节省内存花销的同时有效提高收敛速度.     

基于改进RRT算法的移动机器人路径规划方法

针对RRT（快速随机搜索树）算法在复杂环境下规划效率低,且规划的路径不平滑的问题,提出一种改进的RRT算法。首先引入一种全新的目标偏向采样策略,在均匀采样得到的随机点与目标点的连线上随机取一个点作为新的随机点进行树的扩展。其次对冗余路径节点进行剪枝处理,将路径起始节点与后续节点连线与障碍物进行碰撞检测,滤除无效的弯折路径。最后采用多项式插值的方法,依据节点的边界条件进一步对路径进行曲率平滑处理。通过仿真实验验证,论文算法不仅极大地提升了原算法的规划效率,而且在很大程度上优化了路径。     

六轴工业机器人先验引导RRT*避障轨迹算法研究

针对六轴工业机器人装配避障路径运动问题,研究了机器人整体避障运动路径规划方法,提出一种RRT*改进算法;算法以RRT*算法为基础,在障碍物建模中引入包围盒算法,加入对机器人各轴与障碍物的碰撞检测;在路径规划中加入对随机点生成方向与树枝生长方向的先验引导机制,优化了算法路径长度与路径搜寻效率;通过Matlab进行了试验验证,结果表明与标准RRT*算法相比,先验引导RRT*算法缩短路径长度14%左右,且满足机器人末端路径与手臂各轴的避障需求。     

基于多次采样启发式策略的改进RRT路径规划算法

在路径规划领域,快速探索随机树（RRT）算法是机械臂解决复杂环境中的路径规划问题的重要工具,然而其纯随机的采样环节导致大量的无效或低效尝试,浪费了计算资源。为解决此问题,提出一种基于多次采样启发式策略的改进RRT算法（MH-RRT）。利用启发式函数评估多个采样点的代价值,选择代价值最低的采样点,引导路径树更快地向目标点生长;将启发式函数策略类似地有效改进了RRT*算法和双向RRT*算法;深入探讨不同参数对改进算法性能的影响,并确定最优参数组合。实验结果表明,改进算法在路径搜索时间、路径长度以及采样点数量等方面均能取得显著提升,提高了路径规划的有效性。     

改进A*算法的智能车路径规划研究

由于A*算法所规划的路径存在着转折次数多,路径不平滑,路径贴合障碍物和初始时刻转折角度过大等不符合车辆运动学的问题。为了解决上述问题,获得适用于智能车的优化路径,本文通过对车辆运动学建模得到车辆的约束,同时在估价函数中加入车身轮廓代价和障碍物距离代价,并将车辆约束加入到A*算法的启发函数和路径优化中,再使用贝塞尔曲线拟合转折点,使A*算法所生成的路径更加符合车辆的运动学。通过分析改进A*算法可知,改进后的算法所规划的路径更加平滑、合理且符合车辆的运动特性。     

基于改进的RRT*-connect算法机械臂路径规划

基于双向渐进最优的RRT*-connect算法,对高维的机械臂运动规划进行分析,从而使规划过程中的搜索路径更短,效率更高。将目标偏向策略引入采样过程,同时对采样点区域进行约束,保证每次采样都能朝着目标方向搜索,使得搜索路径更优。在此基础上,采用梯度下降法优化搜索出的路径,将整个路径做平滑处理,去除大角度转弯。利用Matlab对改进后的RRT*-connect算法进行仿真对比分析,从而证明该算法在各种复杂环境下都能保证搜索的概率完备性以及渐进最优性,并且搜索路径更短,用时更少。在ROS平台使用UR5机械臂进行仿真实验,验证该算法的实用性与有效性。     

目标偏置双向RRT*算法的机器人路径规划

针对RRT*和B-RRT*算法在较复杂环境下路径规划时,存在搜索时间长、采样效率低和规划路径曲折的问题,提出一种目标偏置双向快速扩展随机树算法——GBB-RRT*(goal biased bidirectional RRT*).该算法每次迭代中两棵随机树都进行扩展,一次迭代能生成两个新节点,加快扩展速度.然后引入目标偏...     

复杂环境下基于RRT的智能车辆运动规划算法

在存在大量无规则障碍物且障碍物分布不均匀的复杂环境下,现有规划算法不能很好地解决智能车辆的运动规划问题.为此,本文提出了一种简单实用的基于RRT(快速搜索随机树)的运动规划算法——连续曲率RRT算法.该算法在RRT框架中结合了环境约束以及车辆自身的约束.它首先引入了目标偏向采样策略以及合理的度量函数,大大地提高了规划速度和质量;接着提出了一种基于最大曲率约束的后处理方法以生成平滑的且曲率连续的可执行轨迹.通过仿真实验和实车测试,证实了该算法的正确性、有效性和实用性.     

Lambda*路径规划算法

分析A*算法耗时多的基础上,针对性地提出Lambda*算法,通过减少open表中保持的节点数,减少计算量,算法能在较少的时间里得到较优的路径。相对于A*算法,采用Lambda*进行路径规划,在2D环境下时耗减少了48.76%,在3D环境下时耗减少了30.11%。即使在复杂的3D环境中,Lambda*算法也能较快地获取较优的路径规划方案,更能适应现代工业机器人的快速路径规划的需求。     

基于改进RRT算法的无人车路径规划

针对无人车在复杂环境中进行全局路径规划时存在的盲目搜索、节点冗余、路径不光滑及不安全等问题,提出一种基于快速扩展随机树(RRT,rapidly-exploring random tree)的综合改进路径规划算法;首先引入目标动态概率采样策略和人工势场引导随机树扩展机制;其次根据汽车运动学模型,对规划的路径进行转角约束和碰撞检测,保证路径的安全性;然后引入Reeds-Sheep曲线用于直接与目标位姿进行连接,避免多余的位姿调整;最后对路径进行剪枝和平滑处理,得到一条更短更光滑的路径;在实验部分,针对不同仿真环境,以规划时间、路径长度和节点数目作为评价指标,对比了RRT算法、RRT*算法和文章算法的路径规划效果;实验结果显示,文章算法相比于RRT算法和RRT*算法,节点数目分别减少了58.94%和85.22%,规划时间分别缩短了61.20%和79.23%,且路径长度相比于RRT算法缩短了17.26%,并和RRT*算法规划的最优路径长度相近。     

自适应RRT无人机航路规划算法研究与仿真

在复杂环境的航路规划问题研究中,为了降低无人机的飞行代价,需要在规划耗时和路径质量两方面达到一个较好的均衡.为此,提出动态步长和自适应权重相结合的RRT算法,有效地解决了规划耗时和路径质量的均衡问题,并用三次多项式BSpline对路径进行平滑处理.仿真结果表明,在相同的任务环境中,与交叉PSO相比较,动态步长的自适应RRT算法失败次数减少了4252次,耗时降低了89ms,飞行距离减少了4.247 km,且平滑后的路径更加符合无人机实际飞行的需要.